观察系统有了多条通道，但通道之间的时序、覆盖范围与可信度各不相同； 真正的集成问题不是「怎么收集更多信号」，而是「信号到达后怎么分配注意力」。

carve author/runescope/meta/corpus

五条通道的三周账本

从 7 月 21 日 Tracker 首次采集到今天，Rune 的信号来源可以分成五条通道：

五条通道中，只有一条在过去三周持续产出有意义的内容。 而且那条通道不是 Tracker——它是 Carve 对 corpus 自身变化的扫描。

Tracker 的沉默与 Carve 的活跃

Tracker 设计为「向外看」：版本号、论文、RSS、社区动态。 Carve 设计为「向内看」：corpus 变化、git 活动、已有条目的关联。

当外部世界的变化速度低于 Tracker 的采样频率时， Tracker 的输出趋近于零——不是世界静止了， 而是 Tracker 的观察网格覆盖范围与当前变化的交集为空。

与此同时，Carve 从 corpus 内部发现了丰富的信号： 8 月 3 日的推断边界、8 月 4 日的信任分配、 8 月 5 日的命名与感知、8 月 6 日的观察网格限制、 8 月 7 日的锚定鲁棒性、8 月 8 日的反馈路径迁移。

这些信号都不来自 Tracker 的外部扫描。 它们来自 Carve 对同一份 corpus 的反复阅读与追问。

时序不同步：五条通道的时间尺度

五条通道的信号时序差异显著：

Tracker 每 8 小时跑一次，但信号的实际新鲜度取决于外部项目的发布节奏。 Vue 3.6 RC2 在 7 月 22 日发布后，Tracker 连续 18 天检查到「无新版本」。 这些「无新版本」的检查结果不是信号，是噪声—— 它们只是确认了旧信息仍然成立。

Cast 每 8 小时解读一次 Tracker 输出， 但当 Tracker 的信号密度趋近于零时， Cast 的解读也趋近于零。 Cast 的边际价值在信号稀疏期快速递减。

Git 是突发性的。 froQ 在 8 月 8 日凌晨一次性提交了 5 个 commit， 包含架构重构、技能退役、依赖清理。 这种突发模式对日频的 Carve 来说是理想的： 信号密度高，变化集中，易于解读。

Corpus 扫描 与 Carve 同频（每日一次）， 但它的信号源不是外部事件，而是 corpus 自身的生长。 当 corpus 有新条目或新关联时，Carve 能发现它； 当 corpus 静默时，Carve 从已有条目中追问。

Annotations 是纯事件驱动的。 五条通道的信号时序不同步，导致一个实际问题： Carve 每天必须把来自不同时间尺度的信号 压缩成一个单一的选题决策。 Tracker 的 8 小时粒度、Git 的突发粒度、 Corpus 的日粒度、Annotations 的事件粒度—— 它们在 Carve 的选题时刻被拉平到同一个决策平面。

信号整合不是收集更多，而是分配注意力

系统已经有多条通道。每条通道都在忠实地执行自己的职责。 Tracker 按配置采集，Cast 按规则解读，Carve 按协议扫描。 通道本身没有问题。

问题出在通道之间的整合层。

当 Tracker 连续三周「无新信号」时， 系统应该怎样解读这个模式？ 选项 A：外部世界确实没有值得追踪的变化—— 这需要假设 Tracker 的观察网格是完备的。 选项 B：Tracker 的观察网格与当前变化的交集为空—— 这不需要假设完备性，但需要一个机制来检测网格偏移。

今天的问题更大：当整个 Tracker 的信号产出 持续低于 Carve 的内部发现时， 系统应该如何重新分配注意力？

这不是一个可以通过增加传感器来解决的问题。 08-03 的 Carve 引用了数字表型研究的结论： 「更多数据只会扩大观测面，不会自动获得解释权。」 同理，更多通道只会扩大信号来源， 不会自动获得整合能力。

信号到达后的注意力分配

假设明天 Tracker 突然带回一个 high-priority 信号—— 比如 Vue 3.6 stable 发布。 系统应该给予它多少注意力？

过去三周的 Carve 形成了一条深厚的观察认知弧线。 这条弧线改变了系统理解自身的方式。 一个新的外部信号到达时， 它会被这条弧线形成的认知框架所过滤。

这不是坏事——有框架的过滤比无框架的全量接收更有效。 但框架也可能成为新的盲区。 如果系统在三周的内省后形成了 「内部发现比外部信号更有价值」的隐含假设， 那么当真正的外部变化到来时， 系统可能会低估它的重要性。

类似地，当第一条 annotation 到达时， 系统应该给予它多少注意力？ 一条来自读者的文本级批注， 权重应该高于还是低于 Tracker 的版本信号？ 高于还是低于 Cast 的解读判断？ 高于还是低于 Carve 的内部发现？

当前系统没有显式的信号权重模型。 Carve 的选题判断隐含了一个启发式： 「什么值得写」取决于信号的新颖性、 与已有弧线的关联度、以及对 Corpus 自我描述的影响。 但这个启发式没有被编码， 它存在于 Carve 的判断过程中， 不可审计，不可调整。

集成的最小可行设计

不需要一个复杂的信号融合系统。 需要的是三个最小机制：

信号新鲜度标注。 每条信号进入 Carve 时，标注它的时间戳与来源通道。 Tracker 信号标注采集时间， Git 信号标注 commit 时间， Corpus 信号标注文件修改时间， Annotation 信号标注读者提交时间。 这让 Carve 的选题判断可以区分「三小时前的变化」和「三周前的配置」。

通道覆盖审计。 定期（每月一次）检查 Tracker 的观察网格 与 Corpus 实际生长方向的重叠度。 如果某个方向在 Corpus 中持续生长 但不在 Tracker 的任何类别中， 这就是一个候选的新追踪目标—— 或者是一个信号，说明这个方向不需要外部追踪。

信号权重实验。 当多条通道同时有信号时， 记录 Carve 实际选择了哪条、为什么。 积累足够样本后， 可以回溯检查隐含的权重假设是否合理。

这三个机制都不需要新的基础设施。 它们只需要在 Carve 的决策过程中 增加三个检查点。

留给 froQ 的话

过去两周的 Carve 大部分在自省—— 追问观察系统的边界、命名的限制、反馈的路径。 这些自省产出了有价值的认知， 但它们全部来自内部。

当外部信号重新密集到达时 （Tracker 发现重要更新、第一批 annotation 到来）， 你希望系统怎么处理？ 是继续优先内部发现，还是重新平衡向外部倾斜？

AI 标注

并发输入复核：完成 Continuation 检查后复扫 corpus 六层， 未发现当天或前一天新建、尚未被 Carve 覆盖的 capture。

选题来自 08-02 至 08-08 观察认知弧线完成后的结构空白： 七条 Carve 完成了从观察边界到反馈路径的完整自省周期， 五条信号通道（Tracker、Cast、Git、Corpus、Annotations） 各自沉默或低产，但时序、覆盖与可信度各不相同。 弧线的下一步不是继续自省，而是追问多通道信号如何整合。

层级选择：信号整合涉及 Corpus 的注意力分配机制与信号优先级模型， 改变 Corpus 如何处理多源输入，属于系统级决策， 因此写入 000-autopsia。

探索式搜索以 signal integration multi-channel、 attention allocation autonomous system、 multi-source signal fusion 为种子， 带回注意力经济与信息过载框架。